语音识别

whisply 开源

批量音视频一键转文字、翻译并生成字幕

whisply 是一个基于 OpenAI Whisper 的跨平台语音转写工具，同时提供命令行和图形界面。它解决的核···

GigaAM 开源

开箱即用的俄语语音识别基础模型，快速集成高精度转写

GigaAM是一个面向语音识别任务的基础模型，旨在为俄语及其他语言的语音识别提供开箱即用的解决方案···

ha-openai-whisper-stt-api 开源

把语音识别甩给云端，低配 Home Assistant 也能秒回话

ha-openai-whisper-stt-api 是一个面向 Home Assistant 的自定义集成（HACS 组件），把 OpenAI、Gr···

whisper-clip 开源

按一下按钮，说话自动变文字并进剪贴板

WhisperClip 是一个基于 OpenAI Whisper 的轻量级桌面工具，核心目标是让语音转文字变得像按一下按···

template-tiktok 开源

本地 Whisper 自动生成 TikTok 动态字幕

template-tiktok 是一个基于 TypeScript 的开源模板，利用 Whisper.cpp 进行语音识别，自动生成 Ti···

BlahST 开源

在 Linux 任意窗口离线语音输入，并和本地大模型对话。

BlahST 是一个面向 Linux 桌面的语音输入与对话工具，基于 whisper.cpp 实现完全离线的语音转文字，···

argmax-oss-swift 开源

Mac 上离线跑语音 AI，不联网也能识别和配音

专为 Apple Silicon 打造的端侧语音 AI 框架，支持在设备本地运行语音识别与合成等模型，无需联网与···

ComfyUI-Whisper 开源

在 ComfyUI 里拖个节点，自动给视频加字幕

ComfyUI-Whisper 是一个将 OpenAI Whisper 语音识别能力集成到 ComfyUI 工作流中的开源节点插件。它···

fast-langdetect 开源

80倍加速语言检测，混合文本一键按语言拆分

fast-langdetect 是一个基于 FastText 的语言检测工具，旨在提供比原始 FastText 快 80 倍的检测速···

vibe 开源

本地录音秒变文字，隐私不泄露

vibe 是一款基于 OpenAI Whisper 的本地语音转文字桌面应用，支持 macOS、Windows 和 Linux。它解决···

ollama-voice-mac 开源

在 Mac 上对着本地大模型说话，解放双手，秒得语音回复。

ollama-voice-mac 是一个为 Mac 用户打造的语音对话助手，让你通过语音与本地运行的 Ollama 大语言···

talon-ai-tools 开源

用语音直接指挥 AI 工具，解放双手提效

talon-ai-tools 是一个基于 Talon Voice 的开源工具集，旨在通过语音命令查询大型语言模型（LLM）和···

whisperX-FastAPI 开源

上传音频，直接拿到带时间戳和说话人标签的转写接口

whisperX-FastAPI 是把 WhisperX 语音识别流水线封装成 REST API 的服务端项目。WhisperX 本身在 O···

docker-faster-whisper 开源

一条命令拉起容器，把音频批量转成字幕文本

docker-faster-whisper 是一个把 faster-whisper 语音识别引擎打包成 Docker 镜像的开源项目。fast···

whisper-plus 开源

让 Whisper 转写更快更省显存，长音频批量处理更顺手

WhisperPlus 是基于 OpenAI Whisper 的增强型语音识别工具，目标是让语音转文字更快、更准、更省资···

quivr-whisper 开源

用语音直接和你的第二大脑对话，解放双手查知识

quivr-whisper 是一个将语音交互能力集成到 Quivr 个人知识库助手中的开源项目。它解决了用户无法通···

WhisperJAV 开源

给JAV视频一键生成高准确率字幕，嘈杂环境也能听清

WhisperJAV 是一个面向日语成人视频（JAV）场景的自动语音识别（ASR）与字幕生成工具。它解决了通用···

wyoming-faster-whisper 开源

本地 Whisper 语音转文字，接入 Home Assistant 语音助手

wyoming-faster-whisper 是 Home Assistant 生态中 Wyoming 协议的语音转文本服务端实现，底层调用···

best-rq-pytorch 开源

用随机投影量化器，轻松复现 Google 自监督语音预训练模型

BEST-RQ 是一种自监督语音表示学习模型，由 Google 提出，核心思想是用随机投影量化器（Random Pro···

RealtimeSTT 开源

一句话唤醒，边说边出字，实时语音转写零门槛。

RealtimeSTT 是一个基于 Python 的实时语音转文字库，专注于低延迟和高效能。它解决了语音交互场景···

whisper_android 开源

在安卓手机上离线运行 Whisper，实现即时语音转文字

whisper_android 是一个将 OpenAI Whisper 语音识别模型移植到 Android 平台的开源项目，基于 Tens···

whishper 开源

本地运行，一键将音频转文字、翻译并编辑字幕

whishper 是一个基于 Whisper 模型的本地语音转文字工具，提供网页界面，让用户无需上传数据即可完···

obs-localvocal 开源

直播录屏时，本地AI实时生成字幕，保护隐私零延迟

obs-localvocal 是一个专为 OBS Studio 设计的本地语音识别与字幕插件，利用 OpenAI Whisper 等 AI···

faster-whisper-GUI 开源

本地拖拽音频，一键生成字幕文本

faster-whisper-GUI 是一个基于 PySide6 的桌面图形界面工具，旨在为 faster-whisper 语音识别模型···